數(shù)字形態(tài)學(xué)濾波器與智能車(chē)路徑記憶

　　引言

　　“飛思卡爾”杯全國(guó)大學(xué)生智能車(chē)競(jìng)賽規(guī)則明確指出，智能車(chē)在賽道上連續(xù)跑兩圈，并記錄其中最好的單圈成績(jī)，這使路徑記憶算法成為可能。如圖1所示，賽道記憶算法在第一圈以最安全的速度緩慢駛過(guò)一圈，并將賽道信息保存下來(lái)，第二圈根據(jù)保存下來(lái)的信息進(jìn)行車(chē)速和轉(zhuǎn)角決策的相應(yīng)最優(yōu)化，從而在第二圈取得好成績(jī)。無(wú)論智能車(chē)的傳感器前瞻距離有多遠(yuǎn)，在跑圈時(shí)它都只能預(yù)測(cè)在一段有限距離內(nèi)賽道的情況。而采用賽道記憶算法的智能車(chē)，在第二圈時(shí)已對(duì)整個(gè)賽道有了全面的認(rèn)識(shí)，從而在相同條件下，將比不使用賽道記憶的智能車(chē)更具優(yōu)勢(shì)。

　　第一圈準(zhǔn)確記憶賽道信息是第二圈控制策略的基礎(chǔ)，是比賽成敗的關(guān)鍵。但是在第一圈中不論控制策略如何優(yōu)秀，賽車(chē)總會(huì)或多或少的偏離賽道，舵機(jī)的轉(zhuǎn)角信息總會(huì)出現(xiàn)一定程度的毛刺和擾動(dòng)等粗大誤差，其幅值足以引起處理器的誤判。如果不加處理直接應(yīng)用于第二圈控制，會(huì)對(duì)賽車(chē)造成嚴(yán)重干擾，不能以極限速度跑完比賽或者沖出賽道。通常的處理方法有兩種：一是通過(guò)閾值比較丟棄干擾值，但同時(shí)賽道信息也會(huì)同干擾信息一起被丟棄;二是通過(guò)低通濾波將干擾平均到多個(gè)位置，但同時(shí)破壞了賽道原始信息，而且在干擾幅值很大的時(shí)候效果也不是很明顯。針對(duì)以上問(wèn)題，本文將基于數(shù)學(xué)形態(tài)學(xué)原理的數(shù)字形態(tài)學(xué)濾波器應(yīng)用于信號(hào)處理過(guò)程。

　　數(shù)學(xué)形態(tài)學(xué)(Mathematical Morphology)是一種新型的數(shù)字圖像處理方法和理論，其主要內(nèi)容是設(shè)計(jì)一整套的變換(運(yùn)算)、概念和算法，用以描述圖像的基本特征。提供了非常有效的非線性濾波技術(shù)，該技術(shù)只取決于信號(hào)的局部形狀特征。因此，它在諸如形狀分析、模式識(shí)別、視覺(jué)校驗(yàn)、計(jì)算機(jī)視覺(jué)等方面，要比傳統(tǒng)的線性濾波更為有效。

　　數(shù)學(xué)形態(tài)學(xué)是一種新型的數(shù)字圖像處理方法和理論，其主要內(nèi)容是設(shè)計(jì)一整套的變換(運(yùn)算)、概念和算法，用以描述圖像的基本特征。這些數(shù)學(xué)工具不同于常用的頻域或空域的方法，而是建立在積分幾何以及隨機(jī)集論的基礎(chǔ)上的。這是由于積分幾何能夠得到各種幾何參數(shù)的間接測(cè)量，以及反映圖形的體積性質(zhì)，而隨機(jī)集論則適于描述圖像的隨機(jī)性質(zhì)。簡(jiǎn)言之，數(shù)學(xué)形態(tài)學(xué)中的各種變換，運(yùn)算、概念和算法的目的，在于描述圖像的基本特征或基本結(jié)構(gòu)，亦即圖像的各個(gè)元素或者各個(gè)部分之間的關(guān)系^[4]。

　　算法的選取與實(shí)驗(yàn)結(jié)果對(duì)比

　　數(shù)學(xué)形態(tài)學(xué)的運(yùn)算以腐蝕和膨脹這兩種基本運(yùn)算為基礎(chǔ)，引出了其它幾個(gè)常用的數(shù)學(xué)形態(tài)運(yùn)算。數(shù)學(xué)形態(tài)學(xué)中最常見(jiàn)的基本運(yùn)算只有七種，分別為：腐蝕、膨脹、開(kāi)運(yùn)算、閉運(yùn)算、擊中、細(xì)化和粗化，它們是全部形態(tài)學(xué)的基礎(chǔ)。它們的定義如下：

　　設(shè)X代表一個(gè)數(shù)字圖像，我們假定該圖像是二值的，即取值只有1或0，則X表示一個(gè)二進(jìn)制信號(hào)集合，B是一個(gè)簡(jiǎn)單的緊集合，稱(chēng)為“結(jié)構(gòu)元素”。X被B膨脹和腐蝕的結(jié)果可以分別定義為：